JP5736386B2 - A rapid and accurate quantitative assessment system for traumatic brain injury - Google Patents

A rapid and accurate quantitative assessment system for traumatic brain injury Download PDF

Info

Publication number
JP5736386B2
JP5736386B2 JP2012542644A JP2012542644A JP5736386B2 JP 5736386 B2 JP5736386 B2 JP 5736386B2 JP 2012542644 A JP2012542644 A JP 2012542644A JP 2012542644 A JP2012542644 A JP 2012542644A JP 5736386 B2 JP5736386 B2 JP 5736386B2
Authority
JP
Japan
Prior art keywords
interest
deformable model
anatomical structure
segmentation
brain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2012542644A
Other languages
Japanese (ja)
Other versions
JP2013513409A5 (en
JP2013513409A (en
Inventor
ゲオルギエフ ザゴルチェフ，リュボミル
ゲオルギエフ ザゴルチェフ，リュボミル
アン ムーア，エリザベス
アン ムーア，エリザベス
エイ ガーリングハウス，マシュー
エイ ガーリングハウス，マシュー
エム ロス，ロバート
エム ロス，ロバート
ダブリュ マカリスター，トーマス
ダブリュ マカリスター，トーマス
クネゼル，ラインハルト
ゲラー，ディーター
ペータース，ヨッヘン
ヴェーゼ，ユルゲン
キアン，ユッヘン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV, Koninklijke Philips Electronics NV filed Critical Koninklijke Philips NV
Publication of JP2013513409A publication Critical patent/JP2013513409A/en
Publication of JP2013513409A5 publication Critical patent/JP2013513409A5/ja
Application granted granted Critical
Publication of JP5736386B2 publication Critical patent/JP5736386B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Description

本願は外傷性脳損傷の迅速かつ正確な定量的評価システムに関する。   The present application relates to a rapid and accurate quantitative assessment system for traumatic brain injury.

外傷性脳損傷（TBI: Traumatic Brain Injury）は長期障害（long-term disability）の最も一般的な原因である。たとえば脳梁、海馬、小脳、視床および尾状核のようないくつかの皮質下の構造の異状がTBIに関連付けられてきた。よって、TBIをもつ個人における神経病理を3Dで同定することが重要である。   Traumatic brain injury (TBI) is the most common cause of long-term disability. Several subcortical structural abnormalities such as the corpus callosum, hippocampus, cerebellum, thalamus and caudate nucleus have been associated with TBI. Therefore, it is important to identify in 3D the neuropathology in individuals with TBI.

しかしながら、方法論上の困難のため、これまでの研究ではTBI後の構造的な萎縮症（atrophy）の明確なパターンを提供することはできずにいた。   However, due to methodological difficulties, previous studies have failed to provide a clear pattern of structural atrophy after TBI.

自動セグメンテーションのための方法であって、体積画像（volumetric image）中で画像化された関心のある解剖学的構造の、頂点および辺を含む複数のポリゴンから形成される変形可能モデルを選択し、前記変形可能メンバーをディスプレイ上に表示し、前記複数のポリゴンのそれぞれに対応する前記関心のある解剖学的構造の特徴点を検出し、前記変形可能モデルが前記関心のある解剖学的構造の境界に変形〔モーフィング〕して前記関心のある解剖学的構造のセグメンテーションを形成するまで、各頂点を対応する特徴点のほうに動かすことによって前記変形可能モデルを適応させることによって実行される、方法。   A method for automatic segmentation, selecting a deformable model formed from a plurality of polygons including vertices and edges of an anatomical structure of interest imaged in a volumetric image; The deformable member is displayed on a display, the feature points of the anatomical structure of interest corresponding to each of the plurality of polygons are detected, and the deformable model is a boundary of the anatomical structure of interest. The method is performed by adapting the deformable model by moving each vertex towards a corresponding feature point until morphing to form a segmentation of the anatomical structure of interest.

体積画像中で画像化された関心のある解剖学的構造の、頂点および辺を含む複数のポリゴンから形成される変形可能モデルを選択するプロセッサと、前記変形可能モデルを表示するディスプレイとを有するシステムであって、前記プロセッサがさらに、前記複数のポリゴンのそれぞれに対応する前記関心のある解剖学的構造の特徴点を検出し、前記変形可能モデルが前記関心のある解剖学的構造の境界に変形して前記関心のある解剖学的構造のセグメンテーションを形成するまで、各頂点を対応する特徴点のほうに動かすことによって前記変形可能モデルを変形する、システム。   A system having a processor for selecting a deformable model formed from a plurality of polygons including vertices and edges of an anatomical structure of interest imaged in a volumetric image, and a display for displaying said deformable model The processor further detects feature points of the anatomical structure of interest corresponding to each of the plurality of polygons, and the deformable model is transformed into a boundary of the anatomical structure of interest. And deforming the deformable model by moving each vertex towards a corresponding feature point until forming a segmentation of the anatomical structure of interest.

プロセッサによって実行可能な一組の命令を含むコンピュータ可読記憶媒体。前記一組の命令は、体積画像中で画像化された関心のある解剖学的構造の、頂点および辺を含む複数のポリゴンから形成される変形可能モデルを選択し、前記変形可能メンバーをディスプレイ上に表示し、前記複数のポリゴンのそれぞれに対応する前記関心のある解剖学的構造の特徴点を検出し、前記変形可能モデルが前記関心のある解剖学的構造の境界に変形して前記関心のある解剖学的構造のセグメンテーションを形成するまで、各頂点を対応する特徴点のほうに動かすことによって前記変形可能モデルを適応させるよう動作可能である。   A computer readable storage medium containing a set of instructions executable by a processor. The set of instructions selects a deformable model formed from a plurality of polygons including vertices and edges of an anatomical structure of interest imaged in a volumetric image and displays the deformable member on a display. And detecting feature points of the anatomical structure of interest corresponding to each of the plurality of polygons, and the deformable model is transformed into a boundary of the anatomical structure of interest to It is operable to adapt the deformable model by moving each vertex towards a corresponding feature point until a segmentation of an anatomical structure is formed.

ある例示的な実施形態に基づくシステムの概略図である。1 is a schematic diagram of a system according to an exemplary embodiment. FIG. ある例示的な実施形態に基づく方法の流れ図である。2 is a flow diagram of a method according to an exemplary embodiment. GUI上に表示される体積画像中の初期化された変形可能な脳モデルのスクリーンショットを示す図である。It is a figure which shows the screenshot of the deformable brain model initialized in the volume image displayed on GUI. 体積画像に適合させられたのちの、図３の変形可能な脳モデルのスクリーンショットを示す図である。FIG. 4 shows a screenshot of the deformable brain model of FIG. 3 after being fitted to a volumetric image.

例示的な実施形態は、以下の説明および付属の図面を参照することでさらに理解されうる。同様の要素は同じ参照符号で示される。例示的な実施形態は、脳の構造をセグメンテーションするためのシステムおよび方法に関する。特に、例示的な実施形態は脳の構造の変形可能モデルを生成する。該モデルは、MRIのような体積画像に適合させられてもよい。しかしながら、当業者は、例示的な実施形態が特に脳の構造をセグメンテーションすることを記載しているものの、本発明のシステムおよび方法が、たとえばMRIおよび／または超音波画像のような体積画像中のいかなる解剖学的な三次元構造をセグメンテーションするために使われてもよいことを理解するであろう。   Exemplary embodiments may be further understood with reference to the following description and the appended drawings. Similar elements are denoted by the same reference numerals. Exemplary embodiments relate to systems and methods for segmenting brain structure. In particular, the exemplary embodiment generates a deformable model of brain structure. The model may be fitted to volumetric images such as MRI. However, although those skilled in the art describe that exemplary embodiments specifically segment brain structure, the systems and methods of the present invention can be used in volumetric images such as MRI and / or ultrasound images, for example. It will be appreciated that any anatomical three-dimensional structure may be used to segment.

図１に示されるように、例示的な実施形態に基づくシステム１００は、MRIまたは超音波画像のような体積画像の、たとえば脳梁、海馬、小脳、視床および尾状核のような3D脳構造をセグメンテーションする。システム１００は、画像中の構造の特徴に基づいて脳構造の変形可能モデルを適応させることができるプロセッサ１０２を有する。変形可能モデルは、メモリ１０８に記憶されているモデルのデータベースから選択される。グラフィカル・ユーザー・インターフェース１０４は、脳構造の体積を決定する、脳構造の変形を表示する、脳構造の特定の部分を閲覧するなどのためのユーザー嗜好を入力するために用いられる。このグラフィカル・ユーザー・インターフェースに関連する入力は、たとえばマウス、タッチ・ディスプレイおよび／またはキーボードを介して入力される。脳構造のセグメンテーション、体積画像およびグラフィカル・ユーザー・インターフェース１０４のユーザー・オプションがディスプレイ１０６に表示される。メモリ１０８は、いかなる既知の型のコンピュータ可読記憶媒体であってもよい。当業者は、システム１００がたとえばパーソナル・コンピュータ、サーバーまたは他の任意の処理装置であることを理解するであろう。   As shown in FIG. 1, a system 100 according to an exemplary embodiment is a 3D brain structure such as a corpus callosum, hippocampus, cerebellum, thalamus and caudate nucleus of volumetric images such as MRI or ultrasound images. Segmentation. The system 100 includes a processor 102 that can adapt a deformable model of brain structure based on features of the structure in the image. The deformable model is selected from a database of models stored in the memory 108. The graphical user interface 104 is used to enter user preferences for determining the volume of the brain structure, displaying brain structure deformations, browsing particular portions of the brain structure, and the like. Input associated with this graphical user interface is entered, for example, via a mouse, touch display and / or keyboard. Brain structure segmentation, volumetric images and user options of the graphical user interface 104 are displayed on the display 106. Memory 108 may be any known type of computer readable storage medium. Those skilled in the art will appreciate that the system 100 is, for example, a personal computer, server, or any other processing device.

図２は、ある例示的な実施形態に基づく方法２００を示している。ここでは、システム１００は、脳構造における変形を識別するために、脳構造をセグメンテーションする。方法２００は、ステップ２１０において、関心のある脳構造の変形可能モデルを、メモリ１０８に記憶された構造モデルのデータベースから選択することを含む。ある例示的な実施形態では、体積画像中の関心のある脳構造の特徴をデータベース中の構造モデルと比較することによって、変形可能モデルがプロセッサ１０２によって自動的に選択される。別の例示的な実施形態では、変形可能モデルは、関心のある脳構造に最もよく似る変形可能モデルを識別するためにユーザーがデータベースを通じてブラウズしていくことによって、手動で選択される。構造モデルのデータベースは、脳構造研究からの構造モデルおよび／または以前の患者からのセグメンテーション結果を含んでいてもよい。   FIG. 2 illustrates a method 200 according to an example embodiment. Here, the system 100 segments the brain structure to identify deformations in the brain structure. The method 200 includes, at step 210, selecting a deformable model of the brain structure of interest from a database of structural models stored in the memory 108. In one exemplary embodiment, the deformable model is automatically selected by the processor 102 by comparing features of the brain structure of interest in the volumetric image with the structural model in the database. In another exemplary embodiment, the deformable model is selected manually by a user browsing through a database to identify the deformable model that most closely resembles the brain structure of interest. The structural model database may include structural models from brain structural studies and / or segmentation results from previous patients.

ステップ２２０において、図３に示されるように、変形可能モデルはディスプレイ１０６に表示される。変形可能モデルは、新しい画像として表示されるおよび／または体積画像に重ねて表示される。変形可能モデルは、複数の三角形状のポリゴンを含む表面メッシュから形成される。各三角形状のポリゴンはさらに三つの頂点および辺を含む。しかしながら、当業者は、表面メッシュは他の形のポリゴンを含んでいてもよいことを理解するであろう。変形可能モデルは、該変形可能モデルの頂点が関心のある構造の境界にできるだけ近く位置されるように、位置される。ステップ２３０において、各三角形ポリゴンは最適境界検出関数を割り当てられる。最適境界検出関数は、ステップ２４０において、関心のある構造の境界に沿った特徴点を検出し、それにより各三角形ポリゴンが特徴点に関連付けられる。特徴点は、各三角形ポリゴンの中心に関連付けられてもよい。各三角形ポリゴンに関連付けられた特徴点は、三角形ポリゴンに最も近いおよび／または三角形ポリゴンに位置において対応する特徴点であってもよい。
In step 220, the deformable model is displayed on the display 106, as shown in FIG. The deformable model is displayed as a new image and / or overlaid on the volume image. The deformable model is formed from a surface mesh that includes a plurality of triangular polygons. Each triangular polygon further includes three vertices and sides. However, those skilled in the art will appreciate that the surface mesh may include other shapes of polygons. The deformable model is positioned such that the vertex of the deformable model is located as close as possible to the boundary of the structure of interest. In step 230, each triangular polygon is assigned an optimal boundary detection function. The optimal boundary detection function detects in step 240 feature points along the boundary of the structure of interest, thereby associating each triangular polygon with the feature point. A feature point may be associated with the center of each triangular polygon. The feature point associated with each triangle polygon may be a feature point closest to the triangle polygon and / or corresponding in position to the triangle polygon.

ステップ２５０において、ある特徴点に関連付けられた三角形ポリゴンは関連付けられた特徴点のほうに動かされ、各三角形ポリゴンの頂点が関心のある構造の境界のほうに動かされて、変形可能モデルを体積画像中の関心のある構造に適合するよう変形させる。図４に示されるように、変形可能モデルは、各三角形ポリゴンの位置が関連付けられた特徴点の位置に対応するまで、および／または該三角形ポリゴンの頂点が実質的に関心のある構造の境界上に載るまで、変形される。ひとたび変形可能モデルが、三角形ポリゴンが関心のある構造の境界の関連付けられた特徴点に対応するように変形されると、変形可能モデルは、変形された変形可能モデルが関心のある構造のセグメンテーションされた構造を表すよう、関心のある構造に適合させられたことになる。   In step 250, the triangle polygon associated with a feature point is moved toward the associated feature point, and the vertex of each triangle polygon is moved toward the boundary of the structure of interest to convert the deformable model to a volume image. Transform to fit the structure of interest inside. As shown in FIG. 4, the deformable model is such that the position of each triangle polygon corresponds to the position of the associated feature point and / or the vertex of the triangle polygon is substantially on the boundary of the structure of interest. It is deformed until it is put on. Once the deformable model is deformed so that the triangle polygons correspond to the associated feature points of the boundary of the structure of interest, the deformable model is segmented into the structure of interest by the deformable deformable model. It is adapted to the structure of interest to represent the structure.

セグメンテーション・プロセスが完了すると、ステップ２６０において、ユーザーは、セグメンテーションされた脳構造に関するユーザー入力を入力してもよい。ユーザー入力は、グラフィカル・ユーザー・インターフェース１０４上に表示されうるユーザー・オプションを選択するグラフィカル・ユーザー・インターフェース１０４を介して入力されてもよい。たとえば、ユーザーは、表示された画像を拡大するおよび／または表示された画像の特定の部分にズームすること、特定の画像のビューを変更すること、関心のあるパラメータ（たとえばセグメンテーションされた構造の体積、ある点での曲率）を決定すること、セグメンテーションされた構造における変形を識別することなどを選択してもよい。他のオプションは、セグメンテーションされた構造および／または変形可能モデルのデータベース中の対応する体積画像を記憶すること、あるいは比較目的のためにデータベースから以前に記憶されたセグメンテーションされた構造を呼び出すことを含んでいてもよい。当業者は、セグメンテーションされた構造および／または対応する体積画像は、TBI患者における構造的な萎縮症の解析を容易にするために、患者ファイル内にも記憶されてもよいことを理解するであろう。   Once the segmentation process is complete, at step 260, the user may enter user input regarding the segmented brain structure. User input may be entered via a graphical user interface 104 that selects user options that may be displayed on the graphical user interface 104. For example, the user can enlarge the displayed image and / or zoom to a specific portion of the displayed image, change the view of the specific image, parameters of interest (eg, volume of segmented structure) Determining the curvature at a certain point), identifying deformations in the segmented structure, and the like. Other options include storing segmented structures and / or corresponding volumetric images in the database of deformable models, or recalling previously stored segmented structures from the database for comparison purposes. You may go out. Those skilled in the art will understand that segmented structures and / or corresponding volume images may also be stored in patient files to facilitate analysis of structural atrophy in TBI patients. Let's go.

ユーザーは、脳領域における変化を評価するために、セグメンテーションされた構造の体積および／または曲率を決定することを望むことがある。そのようなパラメータは、患者の過去のTBIへの暴露を現在の持続する訴え、欠乏および障害と結び付けるのに特に有用でありうる。さらに、健康な脳構造は、正中矢状面に関して対称的であり、脳の左半球および右半球が互いの鏡像になっていることが知られている。よって、健康な脳では、脳の一方の半球――たとえば左半球――における頂点（vertex）は、他方の半球――たとえば右半球――においてミラーされているべきである。しかしながら、TBIはたいてい非対称的な疾病である。よって、平均頂点値（mean vertex values）からの逸脱が、関心のある脳構造の変形の深刻さを示す変化を表す。したがって、ユーザーは、セグメンテーションされた構造の、平均頂点値（mean vertex values）からの偏差（deviations）を閲覧することを選択してもよい。さらなる実施形態では、結果の可視化および解釈を容易にするため、異なる偏差がカラー・コード付けされてもよい。   The user may wish to determine the volume and / or curvature of the segmented structure in order to assess changes in the brain region. Such parameters may be particularly useful in linking patient exposure to past TBI with current sustained complaints, deficiencies and disorders. Furthermore, it is known that healthy brain structures are symmetrical with respect to the median sagittal plane, and the left and right hemispheres of the brain are mirror images of each other. Thus, in a healthy brain, the vertex in one hemisphere of the brain, such as the left hemisphere, should be mirrored in the other hemisphere, such as the right hemisphere. However, TBI is usually an asymmetric disease. Thus, deviations from mean vertex values represent changes that indicate the severity of the brain structure deformation of interest. Thus, the user may choose to view the deviations of the segmented structure from the mean vertex values. In further embodiments, different deviations may be color coded to facilitate visualization and interpretation of the results.

ステップ２７０では、プロセッサ１０２は、ステップ２６０で入力されたユーザー入力への応答を生成する。たとえば、ユーザーがセグメンテーションされた構造の体積を要求した場合、プロセッサ１０２は体積を計算し、該体積をディスプレイ１０６上に表示する。ユーザーが体積画像および／またはセグメンテーションされた器官の特定の部分を拡大したい意向を示した場合、プロセッサ１０２は所望される特定の部分の拡大ビューを生成し、表示する。別の例では、ユーザーがセグメンテーションされた構造における変形を識別したいとの意向を示した場合、プロセッサ１０２は正中矢状面を識別し、左半球と右半球の間の平均頂点値（mean vertex values）における偏差を識別し、その変形をディスプレイ１０６上に表示する。上記のように、異なる偏差がカラー・コード付けされてもよい。ステップ２６０〜２７０は、ユーザーが脳のセグメンテーションされた構造に関して、すべての所望されるオプションを選択し終わるまで、所望されるだけ繰り返されてもよい。   At step 270, processor 102 generates a response to the user input entered at step 260. For example, if the user requests the volume of the segmented structure, the processor 102 calculates the volume and displays the volume on the display 106. If the user indicates a desire to enlarge a volumetric image and / or a particular part of a segmented organ, the processor 102 generates and displays an enlarged view of the particular part desired. In another example, if the user indicates an intention to identify a deformation in the segmented structure, the processor 102 identifies the midsagittal plane and means vertex values between the left and right hemispheres. ) Is identified, and its deformation is displayed on the display 106. As described above, different deviations may be color coded. Steps 260-270 may be repeated as desired until the user has selected all desired options for the segmented structure of the brain.

本稿で記載された構造および方法論にさまざまな修正および変更をなしうることは当業者には明白であろう。よって、本開示は、付属の請求項およびその等価物の範囲内にはいる限り、いかなる修正および変形をもカバーすることが意図されている。   It will be apparent to those skilled in the art that various modifications and variations can be made to the structure and methodology described herein. Accordingly, this disclosure is intended to cover any modifications and variations that fall within the scope of the appended claims and their equivalents.

また、請求項はPCT規則6.2(b)に従って参照符号／数字を含むことがあるが、本願の特許請求の範囲は参照符号／数字に対応する例示的な実施形態に限定されると考えられるべきではない。   Also, although the claims may include reference signs / numbers in accordance with PCT Rule 6.2 (b), the claims herein should be considered limited to the exemplary embodiments corresponding to the reference signs / numbers. is not.

Claims (13)

自動セグメンテーションのための方法であって:
脳の体積画像中で画像化された関心のある解剖学的構造の、頂点および辺を含む複数のポリゴンから形成される変形可能モデルを選択する段階であって、前記関心のある解剖学的構造は脳領域である、段階と；
前記変形可能モデルをディスプレイ上に表示する段階と；
前記複数のポリゴンのそれぞれに対応する前記関心のある解剖学的構造の特徴点を検出する段階と；
前記変形可能モデルが前記関心のある解剖学的構造の境界に変形するまで、各頂点を対応する特徴点のほうに動かすことによって前記変形可能モデルを適応させて、前記関心のある解剖学的構造のセグメンテーションを形成する段階と；
異状を判別するために通常は対称的な関心のある構造の平均頂点値からの逸脱を決定し、前記脳領域における変形を示すために該逸脱を表示する段階を含む、
方法。 A method for automatic segmentation comprising:
Selecting a deformable model formed from a plurality of polygons including vertices and edges of an anatomical structure of interest imaged in a volumetric image of the brain, the anatomical structure of interest Is the brain region, stage ;
Displaying the deformable model on a display;
Detecting feature points of the anatomical structure of interest corresponding to each of the plurality of polygons;
Adapting the deformable model by moving each vertex towards a corresponding feature point until the deformable model deforms to the boundary of the anatomical structure of interest, Forming a segmentation of ;
Determining a deviation from an average vertex value of a structure of interest that is normally symmetric to determine anomalies, and displaying the deviation to indicate a deformation in the brain region ;
Method. 前記変形可能モデルが、メモリに記憶された構造のデータベースから選択される、請求項１記載の方法。   The method of claim 1, wherein the deformable model is selected from a database of structures stored in memory. 前記特徴点が、実質的に前記関心のある解剖学的構造の境界に沿った点である、請求項１記載の方法。   The method of claim 1, wherein the feature point is a point substantially along a boundary of the anatomical structure of interest. セグメンテーションに関するオプションを選択するユーザー入力を、グラフィカル・ユーザー・インターフェースを介して受け取る段階をさらに含む、請求項１記載の方法。   The method of claim 1, further comprising receiving user input via a graphical user interface to select an option for segmentation. 自動セグメンテーションのための方法であって、当該方法は:
脳の体積画像中で画像化された関心のある解剖学的構造の、頂点および辺を含む複数のポリゴンから形成される変形可能モデルを選択する段階と；
前記変形可能モデルをディスプレイ上に表示する段階と；
前記複数のポリゴンのそれぞれに対応する前記関心のある解剖学的構造の特徴点を検出する段階と；
前記変形可能モデルが前記関心のある解剖学的構造の境界に変形するまで、各頂点を対応する特徴点のほうに動かすことによって前記変形可能モデルを適応させて、前記関心のある解剖学的構造のセグメンテーションを形成する段階とを含み、
当該方法はさらに、
セグメンテーションに関するオプションを選択するユーザー入力を、グラフィカル・ユーザー・インターフェースを介して受け取る段階を含み、
前記ユーザー入力が、前記セグメンテーションの体積を計算する、および、選択された点における曲率を決定する、のうちの一方を選択する、方法。 A method for automatic segmentation, which is:
Selecting a deformable model formed from a plurality of polygons including vertices and edges of an anatomical structure of interest imaged in a volumetric image of the brain;
Displaying the deformable model on a display;
Detecting feature points of the anatomical structure of interest corresponding to each of the plurality of polygons;
Adapting the deformable model by moving each vertex towards a corresponding feature point until the deformable model deforms to the boundary of the anatomical structure of interest, Forming a segmentation of
The method further includes:
Receiving user input via a graphical user interface to select options for segmentation;
It said user input, to calculate the volume of the segmentation, and to determine the curvature at selected points, one selects among, Methods. 前記平均頂点値からの逸脱を決定することが、前記脳領域の正中矢状面を識別することを含む、請求項１記載の方法。 Wherein determining the deviation from the mean vertex values comprises identifying the median sagittal plane of the brain region, the process of claim 1. 脳の体積画像中で画像化された関心のある解剖学的構造の、頂点および辺を含む複数のポリゴンから形成される変形可能モデルを選択するプロセッサと；
前記変形可能モデルを表示するディスプレイとを有するシステムであって、
前記関心のある解剖学的構造は脳領域であり、
前記プロセッサがさらに、前記複数のポリゴンのそれぞれに対応する前記関心のある解剖学的構造の特徴点を検出し、前記変形可能モデルが前記関心のある解剖学的構造の境界に変形するまで、各頂点を対応する特徴点のほうに動かすことによって前記変形可能モデルを変形し、前記関心のある解剖学的構造のセグメンテーションを形成し、
前記プロセッサが、前記脳領域の正中矢状面を識別することによって、異状を判別するために通常は対称的な関心のある構造の平均頂点値からの逸脱を決定し、前記脳領域における変形を示すために該逸脱を表示する、
システム。 A processor for selecting a deformable model formed from a plurality of polygons including vertices and edges of an anatomical structure of interest imaged in a volumetric image of the brain;
A display for displaying the deformable model,
The anatomical structure of interest is a brain region;
Each of the processors further detects feature points of the anatomical structure of interest corresponding to each of the plurality of polygons until each of the deformable model is transformed into a boundary of the anatomical structure of interest. deforming the deformable model by moving towards the feature points corresponding to vertices forming a segmentation of the anatomy of the interest,
The processor determines a deviation from the average vertex value of a structure of interest that is normally symmetric to determine anomalies by identifying the mid-sagittal plane of the brain region, and transforms the brain region Display the deviation to indicate,
system. 構造のデータベースを記憶するメモリをさらに有する、請求項７記載のシステムであって、前記データベースから前記変形可能モデルが選択される、システム。 The system of claim 7 , further comprising a memory that stores a database of structures, wherein the deformable model is selected from the database. 前記特徴点が、実質的に前記関心のある解剖学的構造の境界に沿った点である、請求項７記載のシステム。 The system of claim 7 , wherein the feature point is a point substantially along a boundary of the anatomical structure of interest. セグメンテーションに関するオプションを選択するユーザー入力を受け取るグラフィカル・ユーザー・インターフェースをさらに有する、
請求項７記載のシステム。 Further comprising a graphical user interface for receiving user input to select an option for segmentation;
The system of claim 7 . 前記プロセッサが前記ユーザー入力への応答を生成する、
請求項１０記載のシステム。 The processor generates a response to the user input;
The system of claim 10 . 脳の体積画像中で画像化された関心のある解剖学的構造の、頂点および辺を含む複数のポリゴンから形成される変形可能モデルを選択するプロセッサと；
前記変形可能モデルを表示するディスプレイを有するシステムであって、
前記プロセッサがさらに、前記複数のポリゴンのそれぞれに対応する前記関心のある解剖学的構造の特徴点を検出し、前記変形可能モデルが前記関心のある解剖学的構造の境界に変形するまで、各頂点を対応する特徴点のほうに動かすことによって前記変形可能モデルを変形し、前記関心のある解剖学的構造のセグメンテーションを形成し、
当該システムがさらに、
セグメンテーションに関するオプションを選択するユーザー入力を受け取るグラフィカル・ユーザー・インターフェースを有し、
前記ユーザー入力が、前記セグメンテーションの体積を計算する、および、選択された点における曲率を決定する、のうちの一方を選択する、システム。 A processor for selecting a deformable model formed from a plurality of polygons including vertices and edges of an anatomical structure of interest imaged in a volumetric image of the brain;
A system having a display for displaying the deformable model,
Each of the processors further detects feature points of the anatomical structure of interest corresponding to each of the plurality of polygons until each of the deformable model is transformed into a boundary of the anatomical structure of interest. Transforming the deformable model by moving vertices towards corresponding feature points, forming a segmentation of the anatomical structure of interest;
The system further
A graphical user interface that receives user input to select options for segmentation;
It said user input, to calculate the volume of the segmentation, and to determine the curvature at the selected point, to select one of, the system. 前記ディスプレイが、異なる逸脱を異なる色で表示する、請求項７記載のシステム。
The system of claim 7 , wherein the display displays different deviations in different colors.
JP2012542644A 2009-12-10 2010-11-17 A rapid and accurate quantitative assessment system for traumatic brain injury Active JP5736386B2 (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US28521609P 2009-12-10 2009-12-10
US61/285,216 2009-12-10
PCT/IB2010/055246 WO2011070464A2 (en) 2009-12-10 2010-11-17 A system for rapid and accurate quantitative assessment of traumatic brain injury

Publications (3)

Publication Number Publication Date
JP2013513409A JP2013513409A (en) 2013-04-22
JP2013513409A5 JP2013513409A5 (en) 2014-11-20
JP5736386B2 true JP5736386B2 (en) 2015-06-17

Family

ID=44022012

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012542644A Active JP5736386B2 (en) 2009-12-10 2010-11-17 A rapid and accurate quantitative assessment system for traumatic brain injury

Country Status (7)

Country Link
US (1) US9256951B2 (en)
EP (1) EP2510500B1 (en)
JP (1) JP5736386B2 (en)
CN (1) CN102754125B (en)
BR (1) BR112012013691A8 (en)
RU (1) RU2565510C2 (en)
WO (1) WO2011070464A2 (en)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2510500B1 (en) * 2009-12-10 2017-08-02 Koninklijke Philips N.V. A system for rapid and accurate quantitative assessment of traumatic brain injury
JP5753794B2 (en) * 2010-01-07 2015-07-22 株式会社日立メディコ Medical image diagnostic apparatus and contour extraction processing method for medical image
WO2014155231A1 (en) * 2013-03-28 2014-10-02 Koninklijke Philips N.V. Improving symmetry in brain scans
CN104414680B (en) * 2013-08-21 2017-06-13 深圳迈瑞生物医疗电子股份有限公司 A kind of 3-D supersonic imaging method and system
EP3120323B1 (en) * 2014-03-21 2020-05-20 Koninklijke Philips N.V. Image processing apparatus and method for segmenting a region of interest
WO2016131185A1 (en) 2015-02-16 2016-08-25 深圳迈瑞生物医疗电子股份有限公司 3d imaging data display processing method and 3d ultrasonic imaging method and system
US10497127B2 (en) 2015-04-23 2019-12-03 Koninklijke Philips N.V. Model-based segmentation of an anatomical structure
EP3487410A4 (en) 2016-08-01 2020-04-08 Cordance Medical Inc. Ultrasound guided opening of blood-brain barrier
US11915412B2 (en) 2017-01-06 2024-02-27 Koninklijke Philips N.V. Cortical malformation identification
CN109620407B (en) 2017-10-06 2024-02-06 皇家飞利浦有限公司 Treatment trajectory guidance system
US11288803B2 (en) 2017-10-09 2022-03-29 Koninklijke Philips N.V. Ablation result validation system
DE102017221720B3 (en) * 2017-12-01 2019-02-07 Siemens Healthcare Gmbh Providing a patient model of a patient
CN112154515A (en) 2018-03-21 2020-12-29 皇家飞利浦有限公司 Nerve examination system
WO2019180120A1 (en) 2018-03-21 2019-09-26 Koninklijke Philips N.V. Medical radiology report validation and augmentation system
WO2019180056A1 (en) 2018-03-21 2019-09-26 Koninklijke Philips N.V. Incidental finding augmentation system for medical radiology
US11385310B2 (en) 2018-07-30 2022-07-12 Koninklijke Philips N.V. Functional magnetic resonance imaging systems and methods
JP2022516675A (en) 2019-01-14 2022-03-01 コーニンクレッカ フィリップス エヌ ヴェ Partition-specific downscaling from high-frequency conductivity to low-frequency conductivity for EEG
WO2021051184A1 (en) * 2019-09-19 2021-03-25 Prevu3D Technologies Inc. Methods and systems for extracting data from virtual representations of three-dimensional visual scans

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5920319A (en) * 1994-10-27 1999-07-06 Wake Forest University Automatic analysis in virtual endoscopy
JP3111024B2 (en) 1995-07-19 2000-11-20 キヤノン株式会社 Apparatus and method for manufacturing color filter, method for manufacturing display apparatus, and method for manufacturing apparatus provided with display apparatus
US6483506B1 (en) * 2000-07-20 2002-11-19 Sony Corporation System and method for generating computer animated graphical images of a vascular structure attached to an anatomical structure
US7538764B2 (en) * 2001-01-05 2009-05-26 Interuniversitair Micro-Elektronica Centrum (Imec) System and method to obtain surface structures of multi-dimensional objects, and to represent those surface structures for animation, transmission and display
CA2443819C (en) * 2001-05-04 2011-07-19 Board Of Regents, The University Of Texas System Apparatus and methods for delivery of transcranial magnetic stimulation
US20030036083A1 (en) 2001-07-19 2003-02-20 Jose Tamez-Pena System and method for quantifying tissue structures and their change over time
US20030160786A1 (en) * 2002-02-28 2003-08-28 Johnson Richard K. Automatic determination of borders of body structures
RU2291488C9 (en) * 2002-06-24 2007-04-20 Ренат Анатольевич Красноперов Method for stereological examination of objects structural organization
EP1525560B1 (en) 2002-07-19 2018-09-12 Philips Intellectual Property & Standards GmbH Automated measurement of objects using deformable models
JP4558645B2 (en) * 2003-04-04 2010-10-06 株式会社日立メディコ Image display method and apparatus
WO2004110309A2 (en) * 2003-06-11 2004-12-23 Case Western Reserve University Computer-aided-design of skeletal implants
DE10357203B4 (en) 2003-12-08 2018-09-20 Siemens Healthcare Gmbh Method and control device for operating a magnetic resonance tomography device and magnetic resonance tomography device
US8280482B2 (en) 2004-04-19 2012-10-02 New York University Method and apparatus for evaluating regional changes in three-dimensional tomographic images
US7231076B2 (en) * 2004-06-30 2007-06-12 Accuray, Inc. ROI selection in image registration
US7426318B2 (en) * 2004-06-30 2008-09-16 Accuray, Inc. Motion field generation for non-rigid image registration
CN1814323B (en) * 2005-01-31 2010-05-12 重庆海扶(Hifu)技术有限公司 Focusing ultrasonic therapeutical system
KR100680232B1 (en) 2005-04-20 2007-02-08 이화여자대학교 산학협력단 Method for analyzing hippocampus for aiding diagnosis of brain diseases and the recording media therein readable by computer
US20060277466A1 (en) * 2005-05-13 2006-12-07 Anderson Thomas G Bimodal user interaction with a simulated object
US7680312B2 (en) 2005-07-13 2010-03-16 Siemens Medical Solutions Usa, Inc. Method for knowledge based image segmentation using shape models
WO2007057845A1 (en) 2005-11-18 2007-05-24 Koninklijke Philips Electronics N.V. Method for delineation of predetermined structures in 3d images
US7957808B2 (en) * 2006-01-13 2011-06-07 Vanderbilt University System and methods of deep brain stimulation for post-operation patients
WO2007092316A2 (en) * 2006-02-03 2007-08-16 The University Of Florida Research Foundation, Inc. Image guidance system for deep brain stimulation
WO2008152555A2 (en) 2007-06-12 2008-12-18 Koninklijke Philips Electronics N.V. Anatomy-driven image data segmentation
US8135189B2 (en) * 2007-10-03 2012-03-13 Siemens Medical Solutions Usa, Inc. System and method for organ segmentation using surface patch classification in 2D and 3D images
EP2210213A4 (en) * 2007-10-18 2012-10-03 Univ North Carolina Methods, systems, and computer readable media for mapping regions in a model of an object comprising an anatomical structure from one image data set to images used in a diagnostic or therapeutic intervention
US20100259263A1 (en) 2007-11-14 2010-10-14 Dominic Holland Longitudinal registration of anatomy in magnetic resonance imaging
US20090128553A1 (en) * 2007-11-15 2009-05-21 The Board Of Trustees Of The University Of Illinois Imaging of anatomical structures
US8160345B2 (en) * 2008-04-30 2012-04-17 Otismed Corporation System and method for image segmentation in generating computer models of a joint to undergo arthroplasty
JP5562598B2 (en) * 2008-10-24 2014-07-30 株式会社東芝 Image display apparatus, image display method, and magnetic resonance imaging apparatus
US9259290B2 (en) * 2009-06-08 2016-02-16 MRI Interventions, Inc. MRI-guided surgical systems with proximity alerts
EP2510500B1 (en) * 2009-12-10 2017-08-02 Koninklijke Philips N.V. A system for rapid and accurate quantitative assessment of traumatic brain injury

Also Published As

Publication number Publication date
CN102754125A (en) 2012-10-24
BR112012013691A8 (en) 2017-11-07
EP2510500B1 (en) 2017-08-02
BR112012013691A2 (en) 2017-10-10
RU2565510C2 (en) 2015-10-20
US20120327075A1 (en) 2012-12-27
RU2012128871A (en) 2014-01-20
WO2011070464A3 (en) 2011-08-04
WO2011070464A2 (en) 2011-06-16
CN102754125B (en) 2016-05-25
JP2013513409A (en) 2013-04-22
EP2510500A2 (en) 2012-10-17
US9256951B2 (en) 2016-02-09

Similar Documents

Publication Publication Date Title
JP5736386B2 (en) A rapid and accurate quantitative assessment system for traumatic brain injury
JP7134962B2 (en) Systems and methods for probabilistic segmentation in anatomical imaging
CN102245082B (en) Image display apparatus, control method thereof and image processing system
JP5362573B2 (en) System and method for segmenting regions in medical images
JP4347880B2 (en) System and method for performing automatic three-dimensional lesion segmentation and measurement
EP2916738B1 (en) Lung, lobe, and fissure imaging systems and methods
EP2157905B1 (en) A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures
EP2966615A2 (en) Method and system for improved hemodynamic computation in coronary arteries
JP2013513409A5 (en)
EP3250111A1 (en) Estimating and predicting tooth wear using intra-oral 3d scans
Kim et al. Surface-based multi-template automated hippocampal segmentation: application to temporal lobe epilepsy
US9697600B2 (en) Multi-modal segmentatin of image data
JP5833578B2 (en) Normative data set for neuropsychiatric disorders
Rebouças Filho et al. 3D segmentation and visualization of lung and its structures using CT images of the thorax
US20160306023A1 (en) System for measuring cortical thickness from mr scan information
JP2007267979A (en) Method and system of analyzing organ form of living creature
Hameeteman et al. Automatic carotid artery distensibility measurements from CTA using nonrigid registration
JP2019514471A (en) Retina image processing
JP2007159927A (en) Modeling device and method, regional extractor, regional extraction method and program
Scarpolini et al. Enabling supra-aortic vessels inclusion in statistical shape models of the aorta: a novel non-rigid registration method
Martínez-Mera et al. Automatic characterization of thoracic aortic aneurysms from CT images
Węgliński et al. Image segmentation algorithms for diagnosis support of hydrocephalus in children
KR102555996B1 (en) Apparatus and method for diagnosing disease of target part based on medicial image
JP2010525858A (en) Automatic display of symmetrical anatomical structures
Zhao et al. Quantitative analysis of two-phase 3D+ time aortic MR images

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20131115

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20140723

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140729

A524 Written submission of copy of amendment under article 19 pct

Free format text: JAPANESE INTERMEDIATE CODE: A524

Effective date: 20141001

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20150324

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150420

R150 Certificate of patent or registration of utility model

Ref document number: 5736386

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250